HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian
3 Lama Bekerja : 2- tahun
4.1.5 Uji Asumsi Klasik .1 Uji Normalitas .1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas mempunyai distribusi normal ataukah tidak. Uji normalitas dapat dilihat melalui grafik Histogram dan grafik P-P Plots. Pada uji grafik, data yang memiliki pola seperti lonceng pada diagram histogram dan pada grafik P-P Plots titik-titik yang menyebar disekitar garis diagonal merupakan data yang baik. Berikut ini hasil uji normalitas berdasarkan grafik.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Normal P-P Plot
Dilihat dari grafik Histogram dan grafik P-P Plot diatas maka dapat disimpulkan bahwa data berdistribusi normal karena data memiliki pola seperti lonceng pada diagram histogram dan pada grafik PP Plots titik-titik yang menyebar disekitar garis diagonal.
Melakukan uji normalitas menggunakan grafik tidaklah cukup, diperlukan perhitungan secara statistik untuk membuktikannya. Oleh karena itu dilakukan dengan uji Kolmogorov Smirov dengan kriteria sebagai berikut:
1. Nilai Signifikan <0,05, maka distribusi data adalah tidak normal 2. Nilai Signifikan > 0,05, maka distribusi data adalah normal
Berdasarkan Tabel 4.6 berikut ini dapat dilihat bahwa data dalam penelitian ini terdistribusi secara normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,b Mean 0E-7
Std. Deviation ,32767767
Most Extreme Differences
Absolute ,146
Positive ,067
Negative -,146
Kolmogorov-Smirnov Z ,797
Asymp. Sig. (2-tailed) ,549
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data Primer diolah, 2016
Tabel 4.6 Uji Normalitas
Hasil pengujian yang ditunjukkan pada tabel 4.6 yaitu nilai Kolmogorov Smirnov sebesar 0,797 dengan p-value 0,549. Karena p-value > 0.05 berarti data berdistribusi normal.
4.1.5.2 Uji Multikolinieritas
Uji Multikolinearitas bertujuan untuk mengetahui hubungan yang bermakna (korelasi) antara setiap variabel bebas dalam suatu model regresi. Model regresi yang baik adalah tidak terjadai korelasi diantara variabel bebas. Multikoleniaritas dapat dilihat dari nilai tolerance/ variance inflation factor (VIF). Jika nilai tolerance lebih besar dari 0,10/ VIF kurang dari 10, maka dapat dikatakan model telah bebas dari masalah multikolinearitas.
Variabel Tolerance VIF
Kapasitas SDM (X1) 0,623 1,604
Pemanfaatan TI (X2) 0,497 2,012
Sistem Pengendalian Internal (X3) 0,960 1,042
Pengembangan Mutu Karyawan (X4) 0,724 1,382
Sumber : Data Primer diolah, 2016
Tabel 4.7 Uji Multikolinearitas
Berdasarkan tabel 4.7 diketahui bahwa nilai Tolerance semua variabel independen > 0.10 yaitu sebesar 0,623, 0,497, 0,960 dan 0,724 dengan nilai VIF semua variabel independen kurang dari 10 yaitu sebesar 1,604, 2,012, 1,042 dan 1,382 sehingga dapat disimpulkan bahwa variabel tersebut tidak terjadi multikolinieritas.
4.1.5.3 Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Gambar 4.3 Grafik Scatterplot
Dari grafik Scatterplot dapat dilihat bahwa titik-titik menyebar dan tidak membentuk pola tertentu dan titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka heteroskedastisitas tidak terjadi.
4.1.6 Uji Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi linear berganda dengan bantuan program SPSS 20. Analisis regresi linier berganda dilakukan untuk mencari pengaruh dua variabel bebas atau lebih terhadap variabel terikat. Besarnya pengaruh tersebut dapat dilihat pada tabel 4.8 dibawah ini:
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 3,980 ,878 4,534 ,000 Kapasitas Sumberdaya Manusia ,184 ,187 ,244 ,983 ,003 Pemanfaatan Teknologi Informasi -,131 ,160 -,227 -,816 ,002
Sistem Pengendalian Internal ,007 ,131 ,011 ,056 ,956 Pengembangan Mutu
Karyawan -,048 ,121 -,090 -,392 ,698
a. Dependent Variable: Kualitas Laporan Keuangan Sumber : Data Primer diolah, 2016
Tabel 4.8
Hasil perhitungan pada tabel 4.8 (coefficients) diperoleh nilai persamaan regresi linier berganda sebagai berikut:
4.1.6.1 Uji Adjusted R²
Nilai adjusted R² menunjukkan seberapa besar variabel dependen dapat dijelaskan oleh variabel independen. Nilai adjusted R² dapat dilihat pada tabel 4.9 yaitu sebesar 0,413. Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics R Square Change F Change df1 df2 Sig. F Change 1 ,201a ,040 ,413 ,35292 ,040 ,262 4 25 ,000
a. Predictors: (Constant), Pengembangan Mutu Karyawan, Kapasitas Sumberdaya Manusia, Sistem Pengendalian Internal, Pemanfaatan Teknologi Informasi
b. Dependent Variable: Kualitas Laporan Keuangan Sumber : Data Primer diolah, 2016
Tabel 4.9 Uji Adjusted R²
Hal ini menunjukkan bahwa dalam penelitian ini variabel dependen yang dapat dijelaskan oleh variabel independen sebesar 41,3%, sedangkan sisanya yaitu sebesar 58,7% dijelaskan oleh variabel lain yang tidak termasuk dalam penelitian ini.
4.1.6.2 Uji F (Simultan)
Uji statistik F menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara simultan terhadap variabel dependen. Apabila nilai signifikansi < 0,05 berarti bahwa variabel independen secara bersamaan memiliki pengaruh terhadap variabel dependen.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression ,131 4 ,033 ,262 ,000b
Residual 3,114 25 ,125
Total 3,244 29
a. Dependent Variable: Kualitas Laporan Keuangan
b. Predictors: (Constant), Pengembangan Mutu Karyawan, Kapasitas Sumberdaya Manusia, Sistem Pengendalian Internal, Pemanfaatan Teknologi Informasi
Sumber : Data Primer diolah, 2016
Tabel 4.10 Uji F (Simultan)
Berdasarkan tabel tersebut dapat dilihat bahwa dalam penelitian ini variabel independent mempunyai pengaruh secara bersama-sama terhadap variabel independen dengan nilai signifikansi 0,000 .
4.1.6.3 Uji t (Parsial)
Uji t digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Hipotesis diterima jika nilai signifikansinya lebih kecil dari 0,05 dan hipotesis ditolak jika nilai signifikansinya lebih besar dari 0,05.
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
(Constant) 3,980 ,878 4,534 ,000 Kapasitas Sumberdaya Manusia ,184 ,187 ,244 ,983 ,003 ,623 1,604 Pemanfaatan Teknologi Informasi -,131 ,160 ,227 ,816 ,002 ,497 2,012 Sistem Pengendalian Internal ,007 ,131 ,011 ,056 ,956 ,960 1,042 Pengembangan Mutu Karyawan -,048 ,121 -,090 ,392 ,698 ,724 1,382 a. Dependent Variable: Kualitas Laporan Keuangan
Sumber : Data Primer diolah, 2016
Tabel 4.11 Uji t (Parsial)
Rumus untuk mencari nilai t tabel adalah :
t tabel = (tingkat signifikasi/2; jumlah responden dikurangi jumlah variabel bebas dikurangi 1)
t tabel = (0,05/2;30-4-1) t tabel = (0,025/25)
t tabel angka 0,025 ; 25, kemudian dicari pada distribusi nilai t tabel ditemukan nilai tabel sebesar 2,060.
Maka berdasarkan hasil regresi diperoleh nilai t hitung sebesar 0,983 < t tabel 2,060 dan nilai signifikansi (sig.) 0,003 < 0,05 maka dapat disimpulkan bahwa H0 ditolak dan H1 diterima yang artinya Kapasitas SDM (X1) berpengaruh signifikan terhadap Kualitas Laporan Kuangan (Y) , nilai t hitung sebesar 0,816 < t tabel 2,060 dan nilai signifikansi (sig.) 0,002 < 0,05 maka dapat disimpulkan bahwa H0 ditolak dan H1 diterima yang artinya Pemanfaatan TI (X2) berpengaruh signifikan terhadap Kualitas Laporan Kuangan (Y), nilai t hitung sebesar 0,056 < t tabel 2,060 dan nilai signifikansi (sig.) 0,956 > 0,05 maka dapat disimpulkan bahwa H0 diterima dan H1 ditolak yang artinya SPI (X3) tidak berpengaruh terhadap Kualitas Laporan Kuangan (Y), nilai t hitung sebesar 0,392 < t tabel 2,060 dan nilai signifikansi (sig.) 0,698 > 0,05 maka dapat disimpulkan bahwa H0 diterima dan H1 ditolak yang artinya Pengembangan Muu Karyawan (X4) tidak berpengaruh terhadap Kualitas Laporan Kuangan (Y)
Berdasarkan tabel 4.11 menunjukkan:
1. Pengujian Hipotesis Pengaruh Kapasitas SDM terhadap Kualitas